CN106211290A - 一种c‑ran架构下基带处理池的节能方法 - Google Patents

Abstract

本发明公开了一种C‑RAN架构下基带处理池的节能方法，属于移动通信领域，具体步骤为：首先，建立用户，RRH和BBU池的系统模型；获取与某个特定BBU相连的RRH传输到用户的速率和预编码矩阵；计算传输功率使用率ρ_trans和通信量使用率ρ_traff；然后，计算特定BBU的资源使用率ρ_BBU，并设置核心变量；预定义BBU资源使用率的上限和下限，并定义BBU4种类型；计算BBU池内所有BBU的资源使用率ρ_BBU，按4种类型进行划分并统计各种类型的数量；最后，根据BBU池内的所有BBU的核心变量以及类型数量，将BBU之间进行切换实现节能。优点在于：可以计算特定BBU的资源使用率和动态切换BBU的状态，在不影响用户QoS的情况下关闭BBU池内一部分活跃BBU，使其进入睡眠状态从而节省能耗。

Description

一种C-RAN架构下基带处理池的节能方法

技术领域

本发明属于移动通信领域，具体涉及一种C-RAN(Cloud Radio Access Network)架构下基带处理池的节能方法。

背景技术

随着智能手机和平板电脑的增加，移动数据流量正急速增长。据估计，移动数据流量在2012年到2017年会增长13倍。为了满足这日益增长的需求，运营商需要部署更多的设备，资本支出(CAPEX)和运营支出(OPEX)随之增长，同时也导致更多的能量消耗。另一方面，运营商也面临着节能减排的企业责任。针对这种情况，无线接入网(Cloud Radio AccessNetwork，C-RAN)应运而生，C-RAN是基于集中化处理，协作式无线电，和实时云计算的绿色无线接入网构架。

C-RAN是一种新型无线接入网构架，包括三部分，由远端无线射频头(RRH)组成的分布式网络，高带宽低延迟的光纤链路(Fiber Link)传输数据，具有实时虚拟技术的基带处理池(BBU Pool)。它采用协作化、虚拟化等技术实现资源共享和调度，与传统无线接入网相比减少了基站数量，降低了成本，减少了能耗。C-RAN已经被视作5G移动网络中一种重要的实现方式。

C-RAN将BBU抽离出来组成一个基带处理池，不仅大量减少了BBU的数量和BBU的能耗，并且集中化的管理也使得外围设备减少，进一步减少了系统能耗。但是，现有技术中使用中在基带处理池中的BBU不管是闲时还是忙时都是出于活跃状态，没有进行动态切换，这导致了在闲时的能耗浪费。

在C-RAN中，一个BBU对应着一个RRH或者多个RRH，而BBU在睡眠状态时的能耗远小于活跃状态。因此，判断网络的拥挤状况以此来关闭一些多余的活跃状态的BBU是值得研究的。

发明内容

本发明针对现有技术中，BBU闲时存在能耗浪费的问题，提出一种C-RAN架构下基带处理池的节能方法。

具体步骤如下：

步骤一、针对某个下行的云无线接入网，建立用户，RRH和BBU池的系统模型；

BBU池内包括若干BBU，每个BBU分别各连接若干RRH，每个RRH分别各通过一个fronthaul链路连接入BBU池中；与每个BBU相连接的RRH集合为{1,2,...,i,...,N}；每个fronthaul链路容量有限。每个RRH为至多M个用户提供服务；用户集合为{1,2,...,j,...,M}；

步骤二、针对某个特定BBU，获取与该BBU相连的第i个RRH传输到用户j需要的速率r_ij和预编码矩阵c_ij；

步骤三、根据预编码矩阵c_ij，计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率ρ_trans；

具体步骤如下：

步骤301、根据预编码矩阵c_ij计算用户j从第i个RRH收到的传输功率p_ij；

$p_{ij}=c_{ij}^H\·c_{ij}$

为预编码矩阵c_ij的转置矩阵。

步骤302、计算第i个RRH对服务的M个用户的传输功率矩阵V_i；

V_i＝[p_i1,p_i2,...,p_ij,...,p_iM]

步骤303、针对第i个RRH，特定BBU获取传输功率矩阵V_i中非零元素的个数作为基带信号数N(V_i)；

N(V_i)＝||V_i||₀

||V_i||₀表示向量中非零元素的个数；||V_i||₀≤M。

步骤304、分别统计与特定BBU相连的所有RRH的基带信号数，进一步计算传输功率使用率ρ_trans；

${\mathrm{\ρ}}_{trans}=\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{\mathrm{ma}p}}{\Σ}}\frac{N\left(V_i\right)}{M}$

N_map表示与特定BBU相连的所有RRH的数量。

步骤四、根据传输速率r_ij，计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率ρ_traff；

具体步骤如下：

首先、计算所有连接到第i个RRH的用户能达到的最大速率r_max；

r_max＝BW_RRH·log₂(1+SINR)

BW_RRH表示第i个RRH的带宽，SINR表示第i个RRH与用户之间的信号与干扰加噪声比。

然后、根据最大速率r_max，计算特定BBU与第i个RRH的通信量负载LOAD_i：

${\mathrm{LOAD}}_i=\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{r_{\max }}$

其中，

最后、分别计算特定BBU与所有相连的RRH之间的通信量负载，进一步计算通信量使用率ρ_traff；

${\mathrm{\ρ}}_{traff}=\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}{\mathrm{LOAD}}_i$

步骤五、针对特定BBU，根据所有RRH的传输功率使用率ρ_trans和通信量使用率ρ_traff，计算该BBU的资源使用率ρ_BBU；

$\begin{array}{c}{\mathrm{\ρ}}_{BBU}=\mathrm{\δ}\·{\mathrm{\ρ}}_{trans}+(1-\mathrm{\δ})\·{\mathrm{\ρ}}_{traff}\\ =\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}\[\mathrm{\δ}\·\frac{\left|\right|V_i|{|}_0}{M}+(1-\mathrm{\δ})\·\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)}\]\end{array}$

δ表示传输功率使用率ρ_trans的比重值，0≤δ≤1；

步骤六、根据特定BBU的资源使用率ρ_BBU，设置该BBU的核心变量φ(i)：

$\mathrm{\φ}\left(i\right)=\mathrm{\δ}\·\frac{\left|\right|V_i|{|}_0}{M}+(1-\mathrm{\δ})\·\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)}.$

步骤七、预定义BBU资源使用率的上限ρ_top和下限ρ_bottom，并将BBU定义4种类型：过载BBU，正常BBU，轻负载BBU和睡眠BBU；

针对第k个BBU，定义如下：过载BBU集合：正常BBU集合：轻负载BBU集合：睡眠BBU集合：

步骤八、计算BBU池内每个BBU的资源使用率ρ_BBU，按4种类型进行划分并统计各种类型的数量；

4种类型BBU的数量为：过载BBU的数量为N₁，正常BBU的数量为N₂、轻负载BBU的数量为N₃、睡眠BBU的数量为N₄。

步骤九、根据BBU池内的所有BBU的核心变量以及类型数量，将BBU之间进行切换，实现节能。

具体步骤如下：

步骤901、判断过载BBU的数量N₁是否小于正常BBU的数量N₂，如果是，进入步骤902，否则，进入步骤903；

步骤902、当0＜N₁≤N₂时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到某个正常BBU，计算去除RRH后过载BBU的核心变量并进入步骤904；

该正常BBU的资源使用率ρ_BBU在集合T₂中最小且能接收切换的RRH，

步骤903、当N₁＞N₂时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU或者睡眠BBU，并计算去除RRH后过载BBU的核心变量；

首先判断是否存在轻负载BBU，如果存在，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU，该轻负载BBU的资源使用率ρ_BBU在集合T₃中最大且能接收切换的RRH，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；

如果不存在轻负载，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到睡眠BBU，该睡眠BBU的资源使用率ρ_BBU在集合T₄中最大，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；

步骤904、判断BBU池中是否还存在过载BBU，如果存在，返回步骤901；否则，进入步骤905；

步骤905、判断BBU池中的轻负载BBU的数量是否大于0，如果是，进入步骤906；否则，结束。

步骤906、将轻负载BBU下映射的具有最大核心变量的RRH切换到正常BBU，并重新计算去除RRH后轻负载BBU的核心变量，返回步骤901；

正常BBU的ρ_BBU在集合T₂中最小且能接收切换的RRH。

本发明的优点在于：

1)、一种C-RAN架构下基带处理池的节能方法，可以计算特定BBU的资源使用率，为BBU的切换提供依据。

2)、一种C-RAN架构下基带处理池的节能方法，可以动态切换BBU的状态，在不影响用户QoS的情况下关闭BBU池内一部分活跃BBU，使其进入睡眠状态从而节省能耗。

附图说明

图1为本发明云无线接入网中用户，RRH和BBU池的系统模型示意图；

图2为本发明一种C-RAN架构下基带处理池的节能方法的流程图；

图3为本发明用户，RRH和BBU池的系统模型仿真示意图；

图4为本发明计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率流程图；

图5为本发明计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率流程图；

图6为本发明BBU之间进行切换实现节能的方法流程图；

图7为本发明网络负载和睡眠BBU数量在20s内的关系示意图；

图8为本发明第20秒时30个BBU的资源使用率的示意图；

图9为本发明20秒内BBU池内的能耗比较的示意图。

具体实施方式

下面将结合附图对本发明作进一步的详细说明。

本发明是一种估算BBU池中BBU资源利用率的方案，并结合聚拢去除算法来决定BBU状态的切换，BBU的状态切换是随着传输功率使用率和通信量使用率动态调整的，被总结为3个步骤：

首先，综合考虑了RRH与MUE之间的传输功率，每个MUE的速率需求，MUE的数量，预编码矩阵，RRH带宽，信号与干扰加噪声比等因素，根据这些信息算出传输功率使用率和通信量使用率。

然后，在C-RAN的BBU池内，根据传输功率使用率和通信量使用率算出每个特定BBU的资源使用率。在此基础上，与预定义的上限值和下限值比较，将BBU分为过载BBU、正常BBU、轻负载BBU和睡眠BBU。统计BBU池中各种类型的BBU数量。

最后，根据聚拢去除算法，动态切换特定BBU的状态，并使得相应的RRH连接到不同的BBU。如果有过载BBU，首先处理过载BBU。处理完所有过载BBU后再处理轻负载BBU。每次结束后再根据新的BBU资源使用率和BBU状态判断是否需要进行切换。该算法最后会将过载BBU和轻负载BBU去除，使其聚拢转换为正常BBU和睡眠BBU，在减少能耗的同时不影响用户的QoS需求。

如图2所示，具体步骤如下：

步骤一、针对某个下行的云无线接入网，建立用户，RRH和BBU池的系统模型；

如图1所示，BBU池内包括若干BBU，每个BBU分别各连接若干RRH，每个RRH分别各通过一个fronthaul链路连接入BBU池中；与每个BBU相连接的RRH集合为{1,2,..i.,,..N.,；}每个fronthaul链路容量有限。每个RRH为至多M个用户提供服务；用户集合为{1,2,...,j,...,M}；

如图3所示，在C-RAN中，BBU池内一个特定的BBU与多个RRH相关联，每个RRH最多与M个MUE通信。在RRH和MUE之间是多输入单输出(MISO)传输，每个RRH有N根天线，每个MUE只有单根天线。另外，BBU池与RRH之间的光纤链路具有有限的容量。当BBU池获取到从核心网传来的每个MUE的数据后，BBU池做基带处理，然后把基带信号和预编码矩阵传给相对应的RRH。收到信号的RRH将基带信号升频到射频段，接着根据预编码矩阵将数据传给需要的MUE。

步骤二、针对某个特定BBU，获取与该BBU相连的第i个RRH传输到用户j需要的速率r_ij和预编码矩阵c_ij；

记MUEj从第i个RRH处收到符号序列symbol∈S，每个符号具有单位功率；另外记相关的预编码矩阵为c_ij∈S^N×1。

考虑用户的QoS需求，连接到第i个RRH的MUEj需要速率r_ij。如果第i个RRH没有服务MUEj，那么r_ij＝0。

步骤三、根据预编码矩阵c_ij，计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率ρ_trans；

如图4所示，具体步骤如下：

步骤301、根据预编码矩阵c_ij计算用户j从第i个RRH收到的传输功率p_ij；

$p_{ij}=c_{ij}^H\·c_{ij}$

为预编码矩阵c_ij的转置矩阵。当p_ij＝0时代表第i个RRH没有服务MUEj，所以它们之间没有传输功率消耗，显然没必要将BBU池中的基带信号传给RRH。

步骤302、计算第i个RRH对服务的M个用户的传输功率矩阵V_i；

再计算完所有MUE相关的传输功率后，可以得到第i个RRH的传输功率矩阵：

V_i＝[p_i1,p_i2,...,p_ij,...,p_iM]

步骤303、针对第i个RRH，特定BBU获取传输功率矩阵V_i中非零元素的个数作为基带信号数N(V_i)；

因为零元素不需要传输，V_i可以计算出BBU池需要传输的基带信号数：

N(V_i)＝||V_i||₀

||V_i||₀表示向量中非零元素的个数；||V_i||₀≤M。

步骤304、分别统计与特定BBU相连的所有RRH的基带信号数，进一步计算传输功率使用率ρ_trans；

${\mathrm{\ρ}}_{trans}=\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}\frac{N\left(V_i\right)}{M}$

N_map表示与一个特定BBU相连的所有RRH的数量。

步骤四、根据传输速率r_ij，计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率ρ_traff；

如图5所示，具体步骤如下：

步骤401、计算所有连接到第i个RRH的用户能达到的最大速率r_max；

r_max＝BW_RRH·log₂(1+SINR)

BW_RRH表示第i个RRH的带宽，SINR表示第i个RRH与用户之间的信号与干扰加噪声比。

步骤402、根据最大速率r_max，计算特定BBU与第i个RRH的通信量负载LOAD_i：

${\mathrm{LOAD}}_i=\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{r_{\max }}$

$s.t.\underset{j=1}{\overset{M}{\Σ}}{r}_{ij}\≤r_{max};\underset{j}{\overset{M}{\Σ}}{r}_{ij}\≤{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)$

步骤403、分别计算特定BBU与所有相连的RRH之间的通信量负载，进一步计算通信量使用率ρ_traff；

${\mathrm{\ρ}}_{traff}=\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}{\mathrm{LOAD}}_i$

步骤五、针对特定BBU，根据所有RRH的传输功率使用率ρ_trans和通信量使用率ρ_traff，计算该BBU的资源使用率ρ_BBU；

$\begin{array}{c}{\mathrm{\ρ}}_{BBU}=\mathrm{\δ}\·{\mathrm{\ρ}}_{trans}+(1-\mathrm{\δ})\·{\mathrm{\ρ}}_{traff}\\ =\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}\[\mathrm{\δ}\·\frac{\left|\right|V_i|{|}_0}{M}+(1-\mathrm{\δ})\·\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)}\]\end{array}$

δ表示传输功率使用率ρ_trans的比重值，0≤δ≤1。

步骤六、根据特定BBU的资源使用率ρ_BBU，设置该BBU的核心变量φ(i)：

$\mathrm{\φ}\left(i\right)=\mathrm{\δ}\·\frac{\left|\right|V_i|{|}_0}{M}+(1-\mathrm{\δ})\·\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)}.$

步骤七、预定义BBU资源使用率的上限ρ_top和下限ρ_bottom，并将BBU定义4种类型：过载BBU，正常BBU，轻负载BBU和睡眠BBU；

针对第k个BBU，定义如下：过载BBU集合：正常BBU集合：轻负载BBU集合：睡眠BBU集合：

本实施例中选用ρ_top为80％；ρ_bottom为20％。当一个特定的BBU被视作过载BBU时，说明该BBU负载过重，需要释放部分RRH连接，否则QoS会下降。当一个特定的BBU被视作轻负载BBU时，说明该BBU负载较轻，同样也需要释放与之相连的RRH连接，使其成为睡眠BBU以节省能耗。

步骤八、计算BBU池内每个BBU的资源使用率ρ_BBU，按4种类型进行划分并统计各种类型的数量；

计算BBU池内每个BBU的ρ_BBU，将ρ_BBU排序，相应的将ρ_BBU对应的核心变量φ(i)也排序。根据排序结果得出4种类型BBU的数量：过载BBU的数量为N₁，正常BBU的数量为N₂、轻负载BBU的数量为N₃、睡眠BBU的数量为N₄。

步骤九、根据BBU池内的所有BBU的核心变量以及类型数量，将BBU之间进行切换，实现节能。

如图6所示，具体步骤如下：

步骤901、判断过载BBU的数量N₁是否小于正常BBU的数量N₂，如果是，进入步骤902，否则，进入步骤903；

步骤902、当0＜N₁≤N₂时，将过载BBU下映射的具有最大核心变量的RRH切换到某个正常BBU，计算去除RRH后过载BBU的核心变量并进入步骤904；

该正常BBU的资源使用率ρ_BBU在集合T₂中最小且能接收切换的RRH；当特定的BBU卸下负担，断开与具有最大核心变量的RRHk'的连接，BBU资源使用率会变为：

${\mathrm{\ρ}}_{BBU}=\frac{1}{N_{map}-1}\·\underset{i\≠k^{\′}}{\overset{N_{map}}{\Σ}}\mathrm{\φ}\left(i\right)$

步骤903、当N₁＞N₂时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU或者睡眠BBU，并计算去除RRH后过载BBU的核心变量；

首先判断是否存在轻负载BBU，如果存在，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU，该轻负载BBU的资源使用率ρ_BBU在集合T₃中最大且能接收切换的RRH，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；

如果不存在轻负载，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到睡眠BBU，该睡眠BBU的资源使用率ρ_BBU在集合T₄中最大，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；

当睡眠BBU得到与具有最大核心变量的RRHk'的新连接，那么BBU资源使用率变为：

${\mathrm{\ρ}}_{BBU}=\frac{1}{N_{map}+1}\·\[\mathrm{\φ}\left(k^{\′}\right)+\underset{i}{\overset{N_{map}}{\Σ}}\mathrm{\φ}\left(i\right)\]$

步骤904、判断BBU池中是否还存在过载BBU，如果存在，返回步骤901；否则，进入步骤905；

步骤905、判断BBU池中的轻负载BBU的数量是否大于0，如果是，进入步骤906；否则，结束。

步骤906、将轻负载BBU下映射的具有最大φ(i)RRH切换到正常BBU，并重新计算去除RRH后轻负载BBU的核心变量，返回步骤901；

正常BBU的ρ_BBU在集合T₂中最小且能接收切换的RRH。

该算法最后会将过载BBU和轻负载BBU去除，使其聚拢转换为正常BBU和睡眠BBU，由于睡眠BBU的能耗远小于活跃BBU的能耗，所以本发明能减少C-RAN中BBU池内的能耗，同时也不影响MUE的速率，所以不影响用户的QoS需求。聚拢去除算法仿真参数如表1所示；

表1

为了区分本发明计算的能耗与传统静态方案计算的能耗，引入计算C-RAN能耗的能量消耗模型。C-RAN能耗通过以下方式计算：

$P_{C-RAN}=\underset{i^{\′}=1}{\overset{N_{BBU}}{\Σ}}{P}_{BBU}+\underset{j^{\′}=1}{\overset{N_{RRH}}{\Σ}}{P}_{RRH}$

N_BBU表示C-RAN中BBU数量，N_RRH表示C-RAN中RRH数量。P_BBU代表每个BBU能耗，P_RRH代表每个RRH的能耗。BBU在睡眠和活跃状态下的能耗是不同的：

其中N_T表示收发单元链数，σ_d表示直流-直流电源损耗因子，σ_a表示交流-直流电源损耗因子，P_BP表示基带处理器的能耗，P₀表示BBU睡眠时的能耗，它远小于活跃时的能耗。C-RAN能耗模型仿真参数如表2所示；

表2

参数	数值
		NBBU	30
NRRH	30
		NT	4
PBP	29.60W
		σd	0.08
σa	0.09
		P0	0

20秒内网络负载和睡眠BBU数量示意图如图7所示，当网络负载变重时，睡眠BBU的数量减少，当网络负载变轻时，睡眠BBU的数量增多。当BBU总数为30时，平均睡眠BBU数量维持在18个左右。在网络负载最重的时候，即第16秒，睡眠BBU的数量仍可以达到13个，说明聚拢去除算法能够有效切换BBU状态，使得部分BBU进入睡眠状态，从而减少BBU池内的能耗。

第20秒时BBU池内30个BBU的资源使用率如图8所示，资源使用率按照降序排列。可以看出，有17个BBU的资源使用率降为0，剩余BBU的资源使用率都在0.2和0.8之间。这表明BBU池有17个睡眠BBU和13个正常BBU，而过载BBU和轻负载BBU都已经去除。BBU池处于正常运作的状态，同时也是节能的状态。

传统静态方案和本发明在20秒内BBU池内的能耗比较如图9所示，可以看出，静态方案的BBU池能耗一直维持在2121.3W。而采用本方案发明的BBU池能耗轨迹与网络负载相似，表明BBU池的能耗随着网络负载加重而变大，随着网络负载减轻而减小，同时本发明的BBU池能耗一直低于静态方案，在20秒内平均消耗823.7W，相比于静态方案减少能耗61％。

本发明考虑RRH和用户MUE之间的传输功率以及MUE的网络流量速率需求，在不影响用户要求的QoS情况下，使得网络闲时在BBU池内关闭一些多余的BBU，以此来节约BBU池内的能耗，相应的系统能耗也随之降低。同时在网络忙时，开启一部分睡眠的BBU来提供服务，使得整体QoS不下降。

Claims (6)

1.一种C-RAN架构下基带处理池的节能方法，其特征在于，具体步骤如下：

步骤一、针对某个下行的云无线接入网，建立用户，RRH和BBU池的系统模型；

步骤二、针对某个特定BBU，获取与该BBU相连的第i个RRH传输到用户j需要的速率r_ij和预编码矩阵c_ij；

步骤三、根据预编码矩阵c_ij，计算特定BBU和与该BBU相连的所有RRH之间的传输功率使用率ρ_trans；

步骤四、根据传输速率r_ij，计算特定BBU和与该BBU相连的所有RRH之间的通信量使用率ρ_traff；

步骤五、针对特定BBU，根据所有RRH的传输功率使用率ρ_trans和通信量使用率ρ_traff，计算该BBU的资源使用率ρ_BBU；

$\begin{array}{c}{\mathrm{\ρ}}_{BBU}=\mathrm{\δ}\·{\mathrm{\ρ}}_{trans}+(1-\mathrm{\δ})\·{\mathrm{\ρ}}_{traff}\\ =\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}\[\mathrm{\δ}\·\frac{\left|\right|V_i|{|}_0}{M}+(1-\mathrm{\δ})\·\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)}\]\end{array}$

δ表示传输功率使用率ρ_trans的比重值，0≤δ≤1；

步骤六、根据特定BBU的资源使用率ρ_BBU，设置该BBU的核心变量φ(i)：

$\mathrm{\φ}\left(i\right)=\mathrm{\δ}\·\frac{\left|\right|V_i|{|}_0}{M}+(1-\mathrm{\δ})\·\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{{\mathrm{BW}}_{RRH}\·{\log }_2(1+SINR)}$

步骤七、预定义BBU资源使用率的上限ρ_top和下限ρ_bottom，并将BBU定义4种类型：过载BBU，正常BBU，轻负载BBU和睡眠BBU；

针对第k个BBU，定义如下：过载BBU集合：正常BBU集合：轻负载BBU集合：睡眠BBU集合：

步骤八、计算BBU池内每个BBU的资源使用率ρ_BBU，按4种类型进行划分并统计各种类型的数量；

4种类型BBU的数量为：过载BBU的数量为N₁，正常BBU的数量为N₂、轻负载BBU的数量为N₃、睡眠BBU的数量为N₄；

步骤九、根据BBU池内的所有BBU的核心变量以及类型数量，将BBU之间进行切换，实现节能。

2.如权利要求1所述的一种C-RAN架构下基带处理池的节能方法，其特征在于，所述步骤一具体为：BBU池内的每个BBU分别各连接若干RRH，每个RRH分别各通过一个fronthaul链路连接入BBU池中；与每个BBU相连接的RRH集合为{1,2,...,i,...,N}；每个fronthaul链路容量有限，每个RRH为至多M个用户提供服务；用户集合为{1,2,...,j,...,M}。

3.如权利要求1所述的一种C-RAN架构下基带处理池的节能方法，其特征在于，所述步骤三具体为：

步骤301、根据预编码矩阵c_ij计算用户j从第i个RRH收到的传输功率p_ij；

$p_{ij}=c_{ij}^H\·c_{ij}$

为预编码矩阵c_ij的转置矩阵；

步骤302、计算第i个RRH对服务的M个用户的传输功率矩阵V_i；

V_i＝[p_i1,p_i2,...,p_ij,...,p_iM]

步骤303、针对第i个RRH，特定BBU获取传输功率矩阵V_i中非零元素的个数作为基带信号数N(V_i)；

N(V_i)＝||V_i||₀

||V_i||₀表示向量中非零元素的个数；||V_i||₀≤M；

步骤304、分别统计与特定BBU相连的所有RRH的基带信号数，进一步计算传输功率使用率ρ_trans；

${\mathrm{\ρ}}_{trans}=\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}\frac{N\left(V_i\right)}{M}$

N_map表示与特定BBU相连的所有RRH的数量。

4.如权利要求1所述的一种C-RAN架构下基带处理池的节能方法，其特征在于，所述步骤四具体为：

首先、计算所有连接到第i个RRH的用户能达到的最大速率r_max；

r_max＝BW_RRH·log₂(1+SINR)

BW_RRH表示第i个RRH的带宽，SINR表示第i个RRH与用户之间的信号与干扰加噪声比；

然后、根据最大速率r_max，计算特定BBU与第i个RRH的通信量负载LOAD_i：

${\mathrm{LOAD}}_i=\underset{j=1}{\overset{M}{\Σ}}\frac{r_{ij}}{r_{\max }}$

其中，

最后、分别计算特定BBU与所有相连的RRH之间的通信量负载，进一步计算通信量使用率ρ_traff；

${\mathrm{\ρ}}_{traff}=\frac{1}{N_{map}}\·\underset{i=1}{\overset{N_{map}}{\Σ}}{\mathrm{LOAD}}_i.$

5.如权利要求1所述的一种C-RAN架构下基带处理池的节能方法，其特征在于，所述步骤九具体为：

步骤901、判断过载BBU的数量N₁是否小于正常BBU的数量N₂，如果是，进入步骤902，否则，进入步骤903；

步骤902、当0＜N₁≤N₂时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到某个正常BBU，计算去除RRH后过载BBU的核心变量并进入步骤904；

该正常BBU的资源使用率ρ_BBU在集合T₂中最小且能接收切换的RRH；

步骤903、当N₁＞N₂时，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU或者睡眠BBU，并计算去除RRH后过载BBU的核心变量；

步骤904、判断BBU池中是否还存在过载BBU，如果存在，返回步骤901；否则，进入步骤905；

步骤905、判断BBU池中的轻负载BBU的数量是否大于0，如果是，进入步骤906；否则，结束；

步骤906、将轻负载BBU下映射的具有最大核心变量的RRH切换到正常BBU，并重新计算去除RRH后轻负载BBU的核心变量，返回步骤901；

正常BBU的ρ_BBU在集合T₂中最小且能接收切换的RRH。

6.如权利要求5所述的一种C-RAN架构下基带处理池的节能方法，其特征在于，所述步骤903具体为：首先判断是否存在轻负载BBU，如果存在，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到轻负载BBU，该轻负载BBU的资源使用率ρ_BBU在集合T₃中最大且能接收切换的RRH，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量；

如果不存在轻负载，将过载BBU下映射的具有最大核心变量φ(i)的RRH切换到睡眠BBU，该睡眠BBU的资源使用率ρ_BBU在集合T₄中最大，计算过载BBU去除具有最大核心变量φ(i)的RRH后的核心变量。